Hasil Pencarian  ::  Simpan CSV :: Kembali

"The notion of abgeles is known in a vector space equipped with an inner product,but not well estabilished in a vector space equipped only with a norm....."

"This book serves as an introduction to calculus on normed vector spaces. It includes many non-trivial applications of the theory and interesting exercises."

"ABSTRAKPengaturan arus kompensasi pada tapis aktif sistem tiga fasa empat lengan dengan menggunakan teknik modulasi vektor ruang dilakukan dengan mengatur vektor tegangan dan vektor tegangan referensi. Dalam modulasi vektor ruang maka model vektor tegangan berbentuk silinder tegak telah dikembangkan oleh Zhang dan beberapa peneliti lain.Peninjauan ulang model matrik pemetaan Akagi teori pq-pqr dengan metode rotasi sudut Euler menghasilkan vektor ruang tiga dimensi berbentuk silinder miring sehingga analisis parameter modulasi mengikuti analisis bentuk asimetri. Model vektor tegangan asimetri pada modulasi vektor ruang bersifat unik dalam menentukan vektor tegangan referensi, waktu pensaklaran dan duty cycle. Penentuan parameter modulasi seperti vektor tegangan referensi, duty cycle dan waktu pensaklaran dari model vektor tegangan asimetri menghasilkan harga yang sedikit berbeda dengan model silinder tegak.Modulator membangkitkan sinyal kendali pensaklaran tapis aktif sistem tiga fasa empat lengan bekerja berdasarkan modulasi vektor ruang asimetri dengan kombinasi kendali PI proportional integral dengan luaran berupa arus kompensasi mempunyai amplitudo sama dan polaritas berlawanan dengan arus beban.

---

ABSTRACTCurrent compensation controller on three phase four leg system active using space vector modulation technique is done by setting the voltage vector and the reference voltage vector. In vector space modulation, the upright cylindrically vector voltage model has been developed by Zhang and several other researchers.A review mapping matrix model of Akagi the pq pqr theory with Euler angular rotation method result a three dimensional the skewed cylindrical vector so that the analysis of modulation parameters follows asymmetrical form analysis. The asymmetrical voltage vector model in vector space modulation is unique in determining the reference voltage vector, switching time and duty cycle. Determination of modulation parameters such as reference voltage vectors, duty cycle and switching time of the asymmetrical voltage vector model result a slightly different price with the upright cylindrically model.The modulator generates a switching control signal switching the three phase four leg system active filter on of the asymmetrical space vector modulation with a combination of PI proportional integral control with the output of the current compensation having the same amplitude and the opposite polarity of the load current. The modulator generates a switch modulation signal switching system active three phase four leg based on the asymmetrical voltage vector model with the output of the compensation current has the same amplitude and polarity opposite the load current."

"Text Summarization secara ekstraktif merupakan suatu isu yang dapat meningkatkan kualitas pengalaman pengguna ketika menggunakan suatu sistem perolehan informasi. Pada bahasa Inggris, terdapat beberapa penelitian terkait Text Summarization secara ekstraktif salah satunya adalah penelitian Belwal et al. (2021) yang memperkenalkan suatu metode Text Summarization secara ekstraktif yang berbasiskan proses Topic Modeling serta Semantic Measure menggunakan WordNet. Sementara pada bahasa Indonesia, juga terdapat beberapa penelitian terkait Text Summarization secara ekstraktif tetapi belum ada yang menggunakan metode yang sama seperti yang diperkenalkan oleh Belwal et al. (2021). Agar metode yang diperkenalkan Belwal et al. (2021) dapat digunakan pada bahasa Indonesia, proses Semantic Measure menggunakan WordNet harus diganti dengan Similarity Measure menggunakan Vector Space Model karena tidak adanya model WordNet bahasa Indonesia yang dapat digunakan oleh umum. Dalam menggunakan metode yang diperkenalkan oleh Belwal et al. (2021) pada bahasa Indonesia, terdapat beberapa metode yang dapat digunakan untuk melakukan Topic Modeling, Vector Space Model, serta Similarity Measure yang terdapat di dalamnya. Penelitian ini berfokus untuk mencari kombinasi metode ketiga hal yang telah disebutkan sebelumnya yang dapat memaksimalkan performa metode Text Summarization yang diperkenalkan oleh Belwal et al. (2021) pada bahasa Indonesia dengan menggunakan pendekatan hill-climbing. Proses evaluasi dilakukan dengan menggunakan metrik ROUGE-N dalam bentuk F-1 Score pada dua buah dataset yaitu Liputan6 serta IndoSUM. Hasil penelitian menemukan bahwa kombinasi metode yang dapat memaksimalkan performa metode Text Summarization secara ekstraktif yang diperkenalkan oleh Belwal et al. (2021) adalah Non-Negative Matrix Factorization untuk Topic Modeling, Word2Vec untuk Vector Space Model, serta Euclidean Distance untuk Similarity Measure. Kombinasi metode tersebut memiliki nilai ROUGE-1 sebesar 0.291, ROUGE-2 sebesar 0.140, dan ROUGE-3 sebesar 0.079 pada dataset Liputan6. Sementara pada dataset IndoSUM, kombinasi metode tersebut memiliki nilai ROUGE-1 sebesar 0.455, ROUGE-2 sebesar 0.337, dan ROUGE-3 sebesar 0.300. Performa yang dihasilkan oleh kombinasi metode tersebut bersifat cukup kompetitif dengan performa metode lainnya seperti TextRank serta metode berbasiskan model Deep Learning BERT apabila dokumen masukannya bersifat koheren.

---

Extractive text summarization is an issue that can improve the quality of user experience when using an information retrieval system. Research related to extractive text summarization is a language-specific research. In English, there are several studies related to extractive text summarization, one of them is the research of Belwal et al. (2021) They introduced an extractive Text Summarization method based on the Topic Modeling process and Semantic Measure using WordNet. While in Indonesian, there are also several studies related to extractive text summarization, but none have used the same method as introduced by Belwal et al. (2021). In order to use the method introduced by Belwal et al. (2021) in Indonesian, the Semantic Measure process using WordNet must be replaced with Similarity Measure using the Vector Space Model because there is no Indonesian WordNet model that can be used by the public. When using the method introduced by Belwal et al. (2021) in Indonesian, there are several methods that can be used to perform Topic Modeling, Vector Space Model, and Similarity Measure that contained in there. This study focuses on finding a combination of the three methods previously mentioned that can maximize the performance of the Text Summarization method introduced by Belwal et al. (2021) in Indonesian using hill-climbing approach. The evaluation process is carried out using the ROUGE-N metric in the form of F-1 Score on two datasets, namely Liputan6 and IndoSUM. The results of the study found that the combination of methods that can maximize the performance of the extractive text summarization method introduced by Belwal et al. (2021) are Non-Negative Matrix Factorization for Topic Modeling, Word2Vec for Vector Space Model, and Euclidean Distance for Similarity Measure. The combination of those methods has a ROUGE-1 value of 0.291, ROUGE-2 value of 0.140, and ROUGE-3 value of 0.079 in the Liputan6 dataset. Meanwhile, in the IndoSUM dataset, the combination of those methods has a ROUGE-1 value of 0.455, ROUGE-2 value of 0.337, and ROUGE-3 value of 0.300. The performance generated by the combination of those methods is quite competitive with the performance of other methods such as TextRank and Deep Learning BERT model based method if the input document is coherent."